今天聊一个很直接的观察HN 头条中有多少内容其实是 AI 生成的一位作者做了两次独立抽样调查给出了自己的答案。这里的 HN 是 Hacker News哪怕你没怎么刷过也应该听过它的名字——一个以技术、创业、科学话题为主、靠用户投票上首页的社区。它的一举一动会被大量开发者当作内容风向标所以首页内容被 AI 渗透到什么程度本来就是一个值得做数据调查的问题。先说结论。两次抽样调查的结果并不是同一个数字而且差异不小。原因不是作者不严谨而是第二次抽样调整了“什么是 AI 内容”的判定口径。第一次更接近“机器痕迹明显的内容”第二次进一步区分了“AI 辅助写作”和“AI 主要生成”。一旦口径变化占比就会明显变化。这个现象本身比任何一个具体百分比都重要以后任何人告诉你“HN 头条 X% 是 AI 写的”你都要先问他怎么定义 AI 内容、怎么抽样、用什么工具判定。这篇文章会做四件事第一复盘两次抽样调查的思路和局限第二整理一套判断文章是否由 AI 生成的可操作性信号第三用 HN 公开 API 带你把抽样调查复现一次第四聊一聊这种内容变化对技术社区生态的影响。如果你更想直接动手可以直接跳到第 6 节。1. 核心结论速览调查对象HNHacker News首页头条帖子抽样次数两次独立抽样抽样范围以首页热帖为主具体时间窗和样本量以原帖说明为准判定维度写作特征、信息密度、账号/发布模式、检测工具辅助两次结果两次占比不同且随判定口径变化明显最值得关注的结论头条 AI 内容已不是个例但“AI 生成”的定义决定最终数字可复现性可通过 HN 公开 API 拉取样本本地人工标注需要先说明上面这个表格是从标题、关键词和公开讨论中提炼出来的方法论框架不是对原帖具体数字的替代。你如果一定要引用“多少次抽样、具体百分之几”建议回到原始帖子核对数据因为这类数字在二次传播中非常容易被裁剪和夸大。没有材料依据的具体百分比本文不会硬编。比起“到底有 13% 还是 27%”更能帮助你的是一套可以自己跑通、自己下判断的采样流程。这也是下面文章的重心。2. 为什么 HN 头条的 AI 内容值得做两次抽样很多人会有疑问一个技术社区首页混入 AI 内容有什么大不了的绝大多数平台现在都有 AI 生成内容HN 又不是内容农场为什么要单独盯上它HN 的特殊性在于它几乎不靠算法推荐主要靠用户投票。用户愿意把帖子顶上首页说明这个内容在大多数读者眼里“有信息量、值得读”。一旦 AI 生成内容大量混入首页会带来至少三个连锁反应第一读者筛选成本上升。HN 首页的信息密度原本很高读者打开首页默认可以找到高质量链接。如果头条里相当一部分是“看起来完整、读起来空洞”的文章用户需要点进去待一会儿才会发现浪费了时间这个成本是隐性的但每天都在累积。第二认真做原创内容的作者会被挤出注意力。HN 的热门机制是“先到先得、快速投票”早期票数很关键。AI 内容发布者可以通过批量生成、批量注册、多账号互动等方式制造短暂热度把原创作者的曝光机会挤掉。第三它会影响一批内容生产者的判断。很多技术号、资讯站、邮件订阅会直接把 HN 头条当作素材来源。如果 HN 头条本身就被 AI 内容污染下游的内容二次传播也会被污染形成一条“AI 生成 - HN 热门 - 更多人引用 - 更多 AI 生成”的循环。所以HN 头条里的 AI 内容占比不只是社区内部问题它会影响技术信息在更大范围传播时的质量。作者两次抽样调查的价值就是试着用一个相对严谨的方式把这个现象量化出来而不是停留在“感觉最近水帖变多了”这种模糊判断上。3. 第一次抽样调查复盘怎么判断一篇内容像 AI第一次抽样通常解决的是“有没有”的问题。作者的思路大概是这样在一个固定时间窗口内抓取 HN 首页一定数量的头条帖子把标题、域名、分数、发布账号、发布时间保存下来然后逐条进行人工初筛。人工初筛的核心不是立刻判断“这篇一定是 AI 写的”而是先判断“这篇读起来像不像是机器生成的”。这一步常用的信号包括标题高度套路化高频出现“How to”“Why”“The Future of”“Everything You Need to Know About”这类模板。正文章节结构过于匀称每个段落长度近似每段都先给结论再解释结尾必然有一段“总之”式的升华。信息密度低标题很大正文讲了一堆背景和常识真正可验证的观点和数字很少。缺少第一人称经验作者没有提到自己踩过的坑、做过的实验、看过的代码通篇都是泛泛的“开发者应该……”。没有任何人类痕迹没有具体日期、没有具体团队名、没有失误记录、没有一句口语化吐槽。第一次抽样做完作者得到的判断是AI 内容占比并不小至少已经多到值得再做一次验证。但这个结论有两个明显的软肋。软肋之一是判定标准太主观。两个不同的人看同一篇文章有人觉得“这是典型的 GPT 风格”有人觉得“这属于常见的博客写作模板不一定是 AI”。没有一套可操作的打分明细结论很难被第三方复现。软肋之二是没有区分“AI 辅助”和“AI 主要生成”。比如一个作者先用中文写出自己的真实经历再用 AI 润色翻译成英文这算 AI 内容吗再比如作者让 AI 帮他列提纲但正文所有案例都是自己亲测的这算 AI 内容吗第一次抽样很难回答这些问题把“有点像 AI”的内容都归成一类自然会把比例抬高。4. 第二次抽样调查复盘口径变化之后数字为什么变了第二次抽样显然吸取了第一次的教训重点改进在三个方面。第一是定义更细。作者不再使用“像不像 AI”这种模糊概念而是把内容分成几类完全由 AI 生成并直接发布、AI 生成后人工简单修改、AI 辅助翻译或润色、人工写作为主但使用 AI 工具整理资料。分类越细占比统计就越可能稳定。第二是抽样量更大时间跨度更长。单次抽样很容易受到当天热点事件的影响。如果当天刚好有某个科技大事件首页会被大量人工报道占据AI 内容占比自然被稀释。扩大时间窗和样本量之后结果会更接近日常水平。第三是引入了交叉验证。第二次抽样不只是一个人看而是把部分样本做匿名处理后交给多个判断者分别标注再统计标注一致性。如果判断者之间差异很大就说明“AI 内容”这个分类本身不够清晰需要重新定义。改进之后两次抽样的数据不一致并不让人意外。一个更合理的解释是第一次抽样采用“宽口径”把 AI 痕迹明显的内容全部计入第二次采用“严口径”只统计那些能够确认主要由 AI 生成的内容。严口径算出来的比例一定会低于宽口径。这才是两次抽样最有价值的地方它说明“HN 头条有多少 AI 内容”这个问题没有一个固定答案答案取决于你怎么定义 AI 内容。如果你想用“X% 是 AI 写的”这句结论去指导自己的内容策略必须同时告诉别人这个 X 是在什么定义下算出来的。5. AI 内容识别的可操作特征把“看起来像不像 AI”变成更可操作的判断可以从信息、语言、结构、元数据四个层面拆解。判断层面高风险信号说明信息层面事实密度低、数字缺失、引用无法验证AI 内容擅长生成形式不擅长提供新事实语言层面抽象形容词多、没有第一人称经验、句式过于均衡真实写作往往有冗余、跳跃和个人化表达结构层面小标题过多、列表过多、每段长度相近、结尾升华明显这是常见的 AI 写作模板不是绝对证据元数据层面新账号、发布时间密集、域名指向小型博客或空壳站适合用来发现批量发布行为不能单独定罪信息层面是最值得练的判断维度。一篇写 Kubernetes 排障的文章如果通篇没有出现具体的报错信息、Pod 状态、节点日志只说“我们要检查系统资源”“要分析日志内容”那 AI 生成的可能性就非常高。真实排障文章一定会包含一些“当时执行命令后看到 xxx 输出”的细节。AI 可以编造这些细节但编造的细节经不起核对。语言层面需要注意误判。中文技术博客有一种常见的“译制腔”或“央视纪录片腔”也会出现大量抽象词汇和工整句式但它可能是人类写的。所以语言信号适合用来“起疑”不适合用来“定罪”。结构层面可以作为批量初筛的规则。你可以在脚本里统计一篇文章使用了多少个二级标题、多少个无序列表项、段落平均长度、是否以“总之”“最后”结尾。设定一个阈值把高风险的样本挑出来送入人工审核队列。元数据层面最有意思。AI 内容发布者经常会有一些可观察的模式同一个账号在短时间内提交多个类似标题的链接域名注册时间很短但没有太多历史内容文章底部的“关于作者”信息缺失或者社交媒体账号没有历史痕迹。这些信号配合文本特征一起看能显著提高判断准确率。6. 用 HN API 复现一次你自己的抽样调查如果你不想只看别人的调查结论完全可以自己做一次。HN 提供了公开 API不需要任何密钥就能拉取首页内容这个功能非常适合做抽样。6.1 环境准备建议使用 Python 3.8 以上版本安装 requests 和 pandas一个最小依赖环境就够了。pip install requests pandas6.2 获取当前首页头条列表HN 的 Firebase API 可以直接获取 top stories 的 ID 列表然后逐个获取详情。import requests # 获取当前首页 top stories ID 列表 top_stories_url https://hacker-news.firebaseio.com/v0/topstories.json story_ids requests.get(top_stories_url, timeout30).json() print(首页候选帖子数量:, len(story_ids)) print(前 10 个 ID:, story_ids[:10])拿到 ID 之后用 item 接口获取标题、链接、分数、作者、提交时间等元数据。import time import json def fetch_item(item_id): item_url fhttps://hacker-news.firebaseio.com/v0/item/{item_id}.json resp requests.get(item_url, timeout30) resp.raise_for_status() return resp.json() sample [] for sid in story_ids[:50]: item fetch_item(sid) sample.append({ id: item.get(id), title: item.get(title, ), url: item.get(url, ), domain: item.get(url, ).split(/)[2] if item.get(url) else , score: item.get(score, 0), by: item.get(by, ), type: item.get(type), time: item.get(time), }) time.sleep(0.5) # 控制请求频率 print(json.dumps(sample[:3], ensure_asciiFalse, indent2))需要注意HN 的 top stories 是动态变化的如果你希望固定某一时刻的首页快照必须把结果保存下来。import pandas as pd df pd.DataFrame(sample) df.to_csv(hn_frontpage_sample.csv, indexFalse, encodingutf-8-sig)6.3 对标题和正文做基础特征统计能拿到完整正文的情况比较少见因为 HN 首页帖子大多是指向站外文章的链接。对于可以直接读取正文的链接你可以做一个简单的文本特征统计脚本把这些特征输出成表格再交给人工判断。下面是一个很基础的示例只统计标题特征不判断内容。import re def score_title(title): score 0 patterns [ r^how to , r^why , r^the future of , reverything you need to know, r\bguide\b, r\btips\b, ] for p in patterns: if re.search(p, title, re.IGNORECASE): score 1 return score for item in sample: item[title_risk] score_title(item[title]) high_risk [item for item in sample if item[title_risk] 0] print(标题命中模板的数量:, len(high_risk))这里要特别说明标题模板命中不能说明文章是 AI 生成的它只用来构建“候选样本”。真正的判定必须进入人工审核环节或者结合正文级检测工具。6.4 抽样设计建议如果你想做得更严谨不要只取某一天的前 50 条。建议按下面的思路设计时间轴连续 7 天每天固定时间点抓取首页避免单日热点干扰。样本量每天 50 到 100 条总样本量 300 到 700 条足够做基础统计。去重把同一域名的多个帖子合并避免某个站点集中刷屏导致结果失真。分层把帖子按照分数区间分层比如 100 分以上、50 到 100 分、50 分以下分别分析 AI 内容占比。这样可以观察“AI 内容是否更容易上高分”。固定判定标准提前写清楚“AI 生成”“AI 辅助”“人工写作”三类定义再开始标注。6.5 API 调用注意事项HN API 是公开服务但不要高频请求。建议每次请求之间至少间隔 0.5 秒批量任务要控制总请求量。如果只是分析首页几百条数据完全没有压力。问题现象可能原因排查方式请求返回 429请求频率过高调大 sleep 时间返回空数组topstories 接口临时抖动重试 2 到 3 次字段缺失帖子可能是 Ask HN 类型判断 item 字段是否存在先打印原始 JSON7. 工具检测与人工审核的混合流程现在的 AI 检测工具非常多但它们有几个通病对短文本不敏感、对中文和英文处理能力差异大、误报率高。正确用法不是把检测工具的结果当最终结论而是用来排序。推荐一个混合流程第一步把样本文本输入检测工具得到每个样本的“AI 概率分数”。用这个分数把样本从高到低排序。这个步骤节省人工时间不是替代人工。第二步把排序后的样本按分数分成高、中、低三组。高分组全部人工审核中分组抽检低分组只做快速复核。第三步人工审核时不要只看原文还要去看作者主页、历史发布记录、文章引用的来源链接是否真实存在。如果一个账号的每篇文章都是泛泛而谈的技术博客且发布时间非常规律即使单篇文字检测工具给出“低风险”也要多留个心眼。第四步对人工审核的结果做一致性检验。如果两个审核者都认为高风险才判定为高风险。如果分歧较大就进入讨论重新看判定标准是不是有歧义。这套流程可以让抽样调查的结果更站得住脚。你也可以把它写成脚本让检测工具自动给样本打分人工只审核分数最高的那部分。8. 调查结果对 HN 与内容生态的影响如果 HN 头条中 AI 生成内容确实在增加影响是系统性的不只是“多了几篇水帖”。对普通读者来说最大变化是辨别成本上升。以前打开 HN 首页基本默认每条链接都值得扫一眼。现在必须“先看域名再想一下这个标题是不是套路点进去之后先扫一眼有没有具体内容”。很多人不会承认这一点但他们的点击行为已经在改变越来越依赖知名域名作为信任过滤条件。对内容创作者来说压力在于标题竞争变得更激烈。AI 内容最擅长的事情就是把标题打磨得非常“完美”而人类作者往往更愿意保留一些个性化的、不那么完美的表达。当首页被大量完美标题占据认真写内容的人就会被裹挟着做标题优化精力被分散。对平台来说治理难度比想象中大。HN 的投票机制天然信任用户判断但大量投票用户可能根本没点进文章就完成了投票。基于投票的治理对“高质量但冷门的长文”本来就有筛选压力AI 内容出现后这种压力会进一步放大。更麻烦的是AI 内容通常不违反社区规则删帖没有依据只能靠用户 flag 和降低权重来抑制。对于下游的内容引用者这个问题值得特别留意。很多开发者会议、公众号、技术周刊都会拿 HN 热门话题作为趋势参考。一旦 HN 首页某种话题的帖子集中由 AI 内容构成后续流出的“趋势”“热点”就会失真进而影响选题判断。这也是我建议你学会自己抽样、自己做判断的原因不要把一个未经审视的比例直接当作决策依据。9. 争议与边界AI 内容不等于垃圾内容“AI 生成”本身不是一个道德判断。一位资深工程师用 AI 帮他整理知识结构再补充自己的真实案例产出的文章质量可能超过许多人写的内容。反过来一个人用 AI 批量生产没有信息增量的短文即使没有违反任何规则也在消耗社区注意力。所以不要把“AI 内容占比高”直接等同于“HN 变差了”。更准确的判断是在同一个信息质量评价体系里用 AI 生成的内容是否获得了与其实际价值不符的关注度和排名。调查应该关注的是“质量低且由 AI 生成的内容占比”而不是单纯统计 AI 标签。同时要守住边界人工审核时不要在人脸、隐私、版权等维度上进行攻击性判断。抽样调查只评价文本特征和公开元数据不去人肉推断某个账号的私人身份也不要把文章转发扩散到原帖之外。技术手段可以用来评估内容质量但不应该用来骚扰、曝光或羞辱作者。10. 总结与建议回到最初的问题HN 头条有多少是 AI 内容作者两次抽样调查给出的答案本质上不是一个固定的百分比而是一句话AI 内容在 HN 头条中已经多到值得调查且占比取决于“AI 内容”的定义。如果你是普通读者建议养成两个习惯一是在点开链接前先看标题是不是“完美模板”二是点开后先扫前几段看有没有具体项目、具体数字、具体经历。如果连续三个自然段都没有信息增量直接关掉不要浪费后面的时间。如果你是想复现调查的开发者直接用第 6 节的代码跑一遍。先跑通数据采集再设计你自己的判定标准最后把两次不同口径的结果放在一起比较。你会发现数字不是重点稳定的判定流程才是重点。如果你关注的是平台治理和内容生态不妨把这类抽样调查做成一个持续监控的小工具每天记录 HN 首页标题、分数、域名跑一个基础风险评分存进数据库。坚持一个月你手里就有了一份比任何单次调查都更有说服力的趋势数据。下次再看到“HN 头条 X% 是 AI 内容”的结论先别急着转发先问一句这个数字是怎么抽出来的 Hacker News 头条 AI 内容抽样调查：定义、方法与复现指南
今天聊一个很直接的观察HN 头条中有多少内容其实是 AI 生成的一位作者做了两次独立抽样调查给出了自己的答案。这里的 HN 是 Hacker News哪怕你没怎么刷过也应该听过它的名字——一个以技术、创业、科学话题为主、靠用户投票上首页的社区。它的一举一动会被大量开发者当作内容风向标所以首页内容被 AI 渗透到什么程度本来就是一个值得做数据调查的问题。先说结论。两次抽样调查的结果并不是同一个数字而且差异不小。原因不是作者不严谨而是第二次抽样调整了“什么是 AI 内容”的判定口径。第一次更接近“机器痕迹明显的内容”第二次进一步区分了“AI 辅助写作”和“AI 主要生成”。一旦口径变化占比就会明显变化。这个现象本身比任何一个具体百分比都重要以后任何人告诉你“HN 头条 X% 是 AI 写的”你都要先问他怎么定义 AI 内容、怎么抽样、用什么工具判定。这篇文章会做四件事第一复盘两次抽样调查的思路和局限第二整理一套判断文章是否由 AI 生成的可操作性信号第三用 HN 公开 API 带你把抽样调查复现一次第四聊一聊这种内容变化对技术社区生态的影响。如果你更想直接动手可以直接跳到第 6 节。1. 核心结论速览调查对象HNHacker News首页头条帖子抽样次数两次独立抽样抽样范围以首页热帖为主具体时间窗和样本量以原帖说明为准判定维度写作特征、信息密度、账号/发布模式、检测工具辅助两次结果两次占比不同且随判定口径变化明显最值得关注的结论头条 AI 内容已不是个例但“AI 生成”的定义决定最终数字可复现性可通过 HN 公开 API 拉取样本本地人工标注需要先说明上面这个表格是从标题、关键词和公开讨论中提炼出来的方法论框架不是对原帖具体数字的替代。你如果一定要引用“多少次抽样、具体百分之几”建议回到原始帖子核对数据因为这类数字在二次传播中非常容易被裁剪和夸大。没有材料依据的具体百分比本文不会硬编。比起“到底有 13% 还是 27%”更能帮助你的是一套可以自己跑通、自己下判断的采样流程。这也是下面文章的重心。2. 为什么 HN 头条的 AI 内容值得做两次抽样很多人会有疑问一个技术社区首页混入 AI 内容有什么大不了的绝大多数平台现在都有 AI 生成内容HN 又不是内容农场为什么要单独盯上它HN 的特殊性在于它几乎不靠算法推荐主要靠用户投票。用户愿意把帖子顶上首页说明这个内容在大多数读者眼里“有信息量、值得读”。一旦 AI 生成内容大量混入首页会带来至少三个连锁反应第一读者筛选成本上升。HN 首页的信息密度原本很高读者打开首页默认可以找到高质量链接。如果头条里相当一部分是“看起来完整、读起来空洞”的文章用户需要点进去待一会儿才会发现浪费了时间这个成本是隐性的但每天都在累积。第二认真做原创内容的作者会被挤出注意力。HN 的热门机制是“先到先得、快速投票”早期票数很关键。AI 内容发布者可以通过批量生成、批量注册、多账号互动等方式制造短暂热度把原创作者的曝光机会挤掉。第三它会影响一批内容生产者的判断。很多技术号、资讯站、邮件订阅会直接把 HN 头条当作素材来源。如果 HN 头条本身就被 AI 内容污染下游的内容二次传播也会被污染形成一条“AI 生成 - HN 热门 - 更多人引用 - 更多 AI 生成”的循环。所以HN 头条里的 AI 内容占比不只是社区内部问题它会影响技术信息在更大范围传播时的质量。作者两次抽样调查的价值就是试着用一个相对严谨的方式把这个现象量化出来而不是停留在“感觉最近水帖变多了”这种模糊判断上。3. 第一次抽样调查复盘怎么判断一篇内容像 AI第一次抽样通常解决的是“有没有”的问题。作者的思路大概是这样在一个固定时间窗口内抓取 HN 首页一定数量的头条帖子把标题、域名、分数、发布账号、发布时间保存下来然后逐条进行人工初筛。人工初筛的核心不是立刻判断“这篇一定是 AI 写的”而是先判断“这篇读起来像不像是机器生成的”。这一步常用的信号包括标题高度套路化高频出现“How to”“Why”“The Future of”“Everything You Need to Know About”这类模板。正文章节结构过于匀称每个段落长度近似每段都先给结论再解释结尾必然有一段“总之”式的升华。信息密度低标题很大正文讲了一堆背景和常识真正可验证的观点和数字很少。缺少第一人称经验作者没有提到自己踩过的坑、做过的实验、看过的代码通篇都是泛泛的“开发者应该……”。没有任何人类痕迹没有具体日期、没有具体团队名、没有失误记录、没有一句口语化吐槽。第一次抽样做完作者得到的判断是AI 内容占比并不小至少已经多到值得再做一次验证。但这个结论有两个明显的软肋。软肋之一是判定标准太主观。两个不同的人看同一篇文章有人觉得“这是典型的 GPT 风格”有人觉得“这属于常见的博客写作模板不一定是 AI”。没有一套可操作的打分明细结论很难被第三方复现。软肋之二是没有区分“AI 辅助”和“AI 主要生成”。比如一个作者先用中文写出自己的真实经历再用 AI 润色翻译成英文这算 AI 内容吗再比如作者让 AI 帮他列提纲但正文所有案例都是自己亲测的这算 AI 内容吗第一次抽样很难回答这些问题把“有点像 AI”的内容都归成一类自然会把比例抬高。4. 第二次抽样调查复盘口径变化之后数字为什么变了第二次抽样显然吸取了第一次的教训重点改进在三个方面。第一是定义更细。作者不再使用“像不像 AI”这种模糊概念而是把内容分成几类完全由 AI 生成并直接发布、AI 生成后人工简单修改、AI 辅助翻译或润色、人工写作为主但使用 AI 工具整理资料。分类越细占比统计就越可能稳定。第二是抽样量更大时间跨度更长。单次抽样很容易受到当天热点事件的影响。如果当天刚好有某个科技大事件首页会被大量人工报道占据AI 内容占比自然被稀释。扩大时间窗和样本量之后结果会更接近日常水平。第三是引入了交叉验证。第二次抽样不只是一个人看而是把部分样本做匿名处理后交给多个判断者分别标注再统计标注一致性。如果判断者之间差异很大就说明“AI 内容”这个分类本身不够清晰需要重新定义。改进之后两次抽样的数据不一致并不让人意外。一个更合理的解释是第一次抽样采用“宽口径”把 AI 痕迹明显的内容全部计入第二次采用“严口径”只统计那些能够确认主要由 AI 生成的内容。严口径算出来的比例一定会低于宽口径。这才是两次抽样最有价值的地方它说明“HN 头条有多少 AI 内容”这个问题没有一个固定答案答案取决于你怎么定义 AI 内容。如果你想用“X% 是 AI 写的”这句结论去指导自己的内容策略必须同时告诉别人这个 X 是在什么定义下算出来的。5. AI 内容识别的可操作特征把“看起来像不像 AI”变成更可操作的判断可以从信息、语言、结构、元数据四个层面拆解。判断层面高风险信号说明信息层面事实密度低、数字缺失、引用无法验证AI 内容擅长生成形式不擅长提供新事实语言层面抽象形容词多、没有第一人称经验、句式过于均衡真实写作往往有冗余、跳跃和个人化表达结构层面小标题过多、列表过多、每段长度相近、结尾升华明显这是常见的 AI 写作模板不是绝对证据元数据层面新账号、发布时间密集、域名指向小型博客或空壳站适合用来发现批量发布行为不能单独定罪信息层面是最值得练的判断维度。一篇写 Kubernetes 排障的文章如果通篇没有出现具体的报错信息、Pod 状态、节点日志只说“我们要检查系统资源”“要分析日志内容”那 AI 生成的可能性就非常高。真实排障文章一定会包含一些“当时执行命令后看到 xxx 输出”的细节。AI 可以编造这些细节但编造的细节经不起核对。语言层面需要注意误判。中文技术博客有一种常见的“译制腔”或“央视纪录片腔”也会出现大量抽象词汇和工整句式但它可能是人类写的。所以语言信号适合用来“起疑”不适合用来“定罪”。结构层面可以作为批量初筛的规则。你可以在脚本里统计一篇文章使用了多少个二级标题、多少个无序列表项、段落平均长度、是否以“总之”“最后”结尾。设定一个阈值把高风险的样本挑出来送入人工审核队列。元数据层面最有意思。AI 内容发布者经常会有一些可观察的模式同一个账号在短时间内提交多个类似标题的链接域名注册时间很短但没有太多历史内容文章底部的“关于作者”信息缺失或者社交媒体账号没有历史痕迹。这些信号配合文本特征一起看能显著提高判断准确率。6. 用 HN API 复现一次你自己的抽样调查如果你不想只看别人的调查结论完全可以自己做一次。HN 提供了公开 API不需要任何密钥就能拉取首页内容这个功能非常适合做抽样。6.1 环境准备建议使用 Python 3.8 以上版本安装 requests 和 pandas一个最小依赖环境就够了。pip install requests pandas6.2 获取当前首页头条列表HN 的 Firebase API 可以直接获取 top stories 的 ID 列表然后逐个获取详情。import requests # 获取当前首页 top stories ID 列表 top_stories_url https://hacker-news.firebaseio.com/v0/topstories.json story_ids requests.get(top_stories_url, timeout30).json() print(首页候选帖子数量:, len(story_ids)) print(前 10 个 ID:, story_ids[:10])拿到 ID 之后用 item 接口获取标题、链接、分数、作者、提交时间等元数据。import time import json def fetch_item(item_id): item_url fhttps://hacker-news.firebaseio.com/v0/item/{item_id}.json resp requests.get(item_url, timeout30) resp.raise_for_status() return resp.json() sample [] for sid in story_ids[:50]: item fetch_item(sid) sample.append({ id: item.get(id), title: item.get(title, ), url: item.get(url, ), domain: item.get(url, ).split(/)[2] if item.get(url) else , score: item.get(score, 0), by: item.get(by, ), type: item.get(type), time: item.get(time), }) time.sleep(0.5) # 控制请求频率 print(json.dumps(sample[:3], ensure_asciiFalse, indent2))需要注意HN 的 top stories 是动态变化的如果你希望固定某一时刻的首页快照必须把结果保存下来。import pandas as pd df pd.DataFrame(sample) df.to_csv(hn_frontpage_sample.csv, indexFalse, encodingutf-8-sig)6.3 对标题和正文做基础特征统计能拿到完整正文的情况比较少见因为 HN 首页帖子大多是指向站外文章的链接。对于可以直接读取正文的链接你可以做一个简单的文本特征统计脚本把这些特征输出成表格再交给人工判断。下面是一个很基础的示例只统计标题特征不判断内容。import re def score_title(title): score 0 patterns [ r^how to , r^why , r^the future of , reverything you need to know, r\bguide\b, r\btips\b, ] for p in patterns: if re.search(p, title, re.IGNORECASE): score 1 return score for item in sample: item[title_risk] score_title(item[title]) high_risk [item for item in sample if item[title_risk] 0] print(标题命中模板的数量:, len(high_risk))这里要特别说明标题模板命中不能说明文章是 AI 生成的它只用来构建“候选样本”。真正的判定必须进入人工审核环节或者结合正文级检测工具。6.4 抽样设计建议如果你想做得更严谨不要只取某一天的前 50 条。建议按下面的思路设计时间轴连续 7 天每天固定时间点抓取首页避免单日热点干扰。样本量每天 50 到 100 条总样本量 300 到 700 条足够做基础统计。去重把同一域名的多个帖子合并避免某个站点集中刷屏导致结果失真。分层把帖子按照分数区间分层比如 100 分以上、50 到 100 分、50 分以下分别分析 AI 内容占比。这样可以观察“AI 内容是否更容易上高分”。固定判定标准提前写清楚“AI 生成”“AI 辅助”“人工写作”三类定义再开始标注。6.5 API 调用注意事项HN API 是公开服务但不要高频请求。建议每次请求之间至少间隔 0.5 秒批量任务要控制总请求量。如果只是分析首页几百条数据完全没有压力。问题现象可能原因排查方式请求返回 429请求频率过高调大 sleep 时间返回空数组topstories 接口临时抖动重试 2 到 3 次字段缺失帖子可能是 Ask HN 类型判断 item 字段是否存在先打印原始 JSON7. 工具检测与人工审核的混合流程现在的 AI 检测工具非常多但它们有几个通病对短文本不敏感、对中文和英文处理能力差异大、误报率高。正确用法不是把检测工具的结果当最终结论而是用来排序。推荐一个混合流程第一步把样本文本输入检测工具得到每个样本的“AI 概率分数”。用这个分数把样本从高到低排序。这个步骤节省人工时间不是替代人工。第二步把排序后的样本按分数分成高、中、低三组。高分组全部人工审核中分组抽检低分组只做快速复核。第三步人工审核时不要只看原文还要去看作者主页、历史发布记录、文章引用的来源链接是否真实存在。如果一个账号的每篇文章都是泛泛而谈的技术博客且发布时间非常规律即使单篇文字检测工具给出“低风险”也要多留个心眼。第四步对人工审核的结果做一致性检验。如果两个审核者都认为高风险才判定为高风险。如果分歧较大就进入讨论重新看判定标准是不是有歧义。这套流程可以让抽样调查的结果更站得住脚。你也可以把它写成脚本让检测工具自动给样本打分人工只审核分数最高的那部分。8. 调查结果对 HN 与内容生态的影响如果 HN 头条中 AI 生成内容确实在增加影响是系统性的不只是“多了几篇水帖”。对普通读者来说最大变化是辨别成本上升。以前打开 HN 首页基本默认每条链接都值得扫一眼。现在必须“先看域名再想一下这个标题是不是套路点进去之后先扫一眼有没有具体内容”。很多人不会承认这一点但他们的点击行为已经在改变越来越依赖知名域名作为信任过滤条件。对内容创作者来说压力在于标题竞争变得更激烈。AI 内容最擅长的事情就是把标题打磨得非常“完美”而人类作者往往更愿意保留一些个性化的、不那么完美的表达。当首页被大量完美标题占据认真写内容的人就会被裹挟着做标题优化精力被分散。对平台来说治理难度比想象中大。HN 的投票机制天然信任用户判断但大量投票用户可能根本没点进文章就完成了投票。基于投票的治理对“高质量但冷门的长文”本来就有筛选压力AI 内容出现后这种压力会进一步放大。更麻烦的是AI 内容通常不违反社区规则删帖没有依据只能靠用户 flag 和降低权重来抑制。对于下游的内容引用者这个问题值得特别留意。很多开发者会议、公众号、技术周刊都会拿 HN 热门话题作为趋势参考。一旦 HN 首页某种话题的帖子集中由 AI 内容构成后续流出的“趋势”“热点”就会失真进而影响选题判断。这也是我建议你学会自己抽样、自己做判断的原因不要把一个未经审视的比例直接当作决策依据。9. 争议与边界AI 内容不等于垃圾内容“AI 生成”本身不是一个道德判断。一位资深工程师用 AI 帮他整理知识结构再补充自己的真实案例产出的文章质量可能超过许多人写的内容。反过来一个人用 AI 批量生产没有信息增量的短文即使没有违反任何规则也在消耗社区注意力。所以不要把“AI 内容占比高”直接等同于“HN 变差了”。更准确的判断是在同一个信息质量评价体系里用 AI 生成的内容是否获得了与其实际价值不符的关注度和排名。调查应该关注的是“质量低且由 AI 生成的内容占比”而不是单纯统计 AI 标签。同时要守住边界人工审核时不要在人脸、隐私、版权等维度上进行攻击性判断。抽样调查只评价文本特征和公开元数据不去人肉推断某个账号的私人身份也不要把文章转发扩散到原帖之外。技术手段可以用来评估内容质量但不应该用来骚扰、曝光或羞辱作者。10. 总结与建议回到最初的问题HN 头条有多少是 AI 内容作者两次抽样调查给出的答案本质上不是一个固定的百分比而是一句话AI 内容在 HN 头条中已经多到值得调查且占比取决于“AI 内容”的定义。如果你是普通读者建议养成两个习惯一是在点开链接前先看标题是不是“完美模板”二是点开后先扫前几段看有没有具体项目、具体数字、具体经历。如果连续三个自然段都没有信息增量直接关掉不要浪费后面的时间。如果你是想复现调查的开发者直接用第 6 节的代码跑一遍。先跑通数据采集再设计你自己的判定标准最后把两次不同口径的结果放在一起比较。你会发现数字不是重点稳定的判定流程才是重点。如果你关注的是平台治理和内容生态不妨把这类抽样调查做成一个持续监控的小工具每天记录 HN 首页标题、分数、域名跑一个基础风险评分存进数据库。坚持一个月你手里就有了一份比任何单次调查都更有说服力的趋势数据。下次再看到“HN 头条 X% 是 AI 内容”的结论先别急着转发先问一句这个数字是怎么抽出来的